正则表达式捕获行之间的连字符和非连字符答案

【问题标题】：Regex expression to capture hyphenated word between lines, and non hyphenated words正则表达式捕获行之间的连字符和非连字符
【发布时间】：2012-06-27 21:53:55
【问题描述】：

我正在尝试在 java 中编写一个匹配单词和连字符的正则表达式。到目前为止，我有：

Pattern p1 = Pattern.compile("\\w+(?:-\\w+)",Pattern.CASE_INSENSITIVE);
Pattern p2 = Pattern.compile("[a-zA-Z0-9]+",Pattern.CASE_INSENSITIVE);
Pattern p3 = Pattern.compile("(?<=\\s)[\\w]+-$",Pattern.CASE_INSENSITIVE | Pattern.DOTALL);

这是我的测试用例：

程式 Dsfasdf。程序程序 Dsfasdf。 Dsfasdf。哇哇哇！哇。哇？好的。他说：“嗨。” aasdfa. wsdfalsdjf.去去去- 至 asdfasdf .. , : ; " ' ( ) ? ! - / \ @ # $ % & ^ ~ ` * [ ] { } + _ 123

任何帮助都会很棒

我的预期结果是匹配所有单词 ie。

程序 Dsfasdf 程序程序 Dsfasdf Dsfasdf 就像哇哇哇哇好的他说嗨aasdfa wsdfalsdjf go-to go-to asdfasdf

我正在努力的部分是将在行之间拆分的单词匹配为一个单词。

即。

去-
至

【问题讨论】：

所以你想匹配带有和不带有连字符的单词？但不是标点符号或数字？您的测试用例的预期/期望结果也会很有用。
我不太清楚你所说的“连字符行间”是什么意思。

标签： java regex match capture

【解决方案1】：

\p{L}+(?:-\n?\p{L}+)* \ /^\ /^\ /\ /^^^ \ / | | | | \ / ||| | | | | | | ||`- 前一个可以重复 0 次或多次（一组文字“-”、可选换行符和一个或多个任意字母（大写/小写）） | | | | | | |`-- 结束第一个非捕获组 | | | | | | `--- 匹配一个或多个前面的（任何字母，大写/小写） | | | | | `----- 匹配任何字母（大写/小写） | | | | `--------- 匹配单个换行符（可选，因为 `?`） | | | `------------ 字面量 '-' | | `------------- 启动第一个非捕获组 | `---------------- 匹配一个或多个前面的（A-Z（大写/小写）之间的任何字母） `-------------------- 匹配任意字母（大写/小写）

Is this OK?

【讨论】：

是自动生成的吗？如果是这样，这是从哪里来的？
单词在两行之间分开怎么办？在我的测试用例中，go-to 分为两行。我的问题中确实有（基本上）作为 p1 减去 ?最后。
没有意识到它应该是有效的。更新了正则表达式以反映请求的更改。

【解决方案2】：

我会使用正则表达式：

\p{L}+(?:\-\p{L}+)*

这样的正则表达式还应该匹配单词 "fiancé"、"À-la-carte" 和其他包含一些特殊类别“字母”字符的单词。 \p{L} 匹配“字母”类别中的单个代码点。

【讨论】：